【PR】画像2枚から30秒アニメへ。AZ8のCanvasでAIに相談しながら作ってみた｜AI動画｜Seedance 2.5

※この記事はPR記事です。

画像生成でキャラクターを作り、別のところで背景を作り、そこから動画生成へ持っていく。できることは増えたぶん、「この動画って、どの画像とどのプロンプトから出てきたんだっけ」も増えました。

今回は、素材も結果も一つの画面に残しておける「AZ8」で、雨のネオン高架で戦う30秒のアニメを作ってみました。

🧩 AZ8って、どんなサービス？

画面は、道具とCanvasとZumi

AZ8は、ブラウザで開くAI動画ワークステーションです。画面は大きく3つに分かれていて、左がノードを出す道具、真ん中が無限に広がるCanvas、右がAIアシスタントの「Zumi」。

ノードを線でつなぐと、それが制作の流れになる

Canvasには、テキスト、画像、動画、音声、付箋、3Dワールドのノードを置けます。線でつなぐと、それがそのまま制作の流れになります。公式ガイドが基本として挙げる動画の作り方も、テキストノードで脚本、画像ノードで画像、その両方を動画ノードへ渡す、という順番でした。

モデルは、ノードの入力欄で切り替えます。動画ノードなら、モード、長さ、解像度、比率、音声生成のオンオフを、生成ボタンを押す前に選ぶ形です。

生成はクレジット制で、作るたびに減ります。商用利用や透かしなしの書き出しは有料プランに含まれますが、構成も金額も変わるので、公式の料金ページで確かめるのが確実です。

使う前に確かめたこと

使えるモデルの一覧は、公式ガイドと料金ページと実際の画面で、少しずつ違いました。なのでこの記事では一覧を書き写さず、実際に使ったモデル名だけを書いています。

利用規約とプライバシーポリシー、問い合わせ先のメールアドレスは公開されています。規約には、アップロードしたものの権利は自分に残り、生成物の権利も自分に来る、と書かれていました。ただし商用利用は、法令と第三者の権利、モデルごとの条件に従うという条件付きです。運営会社の正式名称や住所は、公開ページの中に見つけられませんでした。

ここから先は、実際にさわった順に書いていきます。

🧭 まずは、相談だけしてもらう

「何も実行しないで」と先に伝える

開いてみた最初の感想は、こうでした。

まずは「生成やCanvasの変更はせず、手順だけ教えてください」と日本語で頼んでみました。返ってきた一行目が「ご指定どおり、現時点では生成・Canvas変更・プロンプト書き換えを一切行いません。」で、Zumiは相談だけして、そこで止まってくれます。

すすめられたのは、5本×6秒

30秒を一度に作れるかも聞いてみました。Zumiは「この会話で確認できる情報だけでは、30秒一括対応のモデル名・最大尺・料金を確定できません。」と前置きしたうえで、一括生成は流れが自然になりやすい反面、高速の戦闘で構図が崩れたときに部分修正しにくい、と答えています。

そのうえですすめてきたのが、6秒を5本つないで30秒にする作り方でした。代案は8秒、7秒、8秒、7秒の4本。Canvasの並べ方まで返ってきました。キャラクター基準画像を左に置き、ショットごとの動画ノードを右へ並べ、いちばん右を最終合成にすると管理しやすい、とのことです。

日本語プロンプトの書き方も教えてくれました。主体、衣装、武器、動作、背景、カメラ、速度、光、禁止事項。この順に具体的に書くと、解釈が安定するそうです。

今回は、この提案とは別に、30秒を1本で出す形にしています。

🎨 人物と背景を、別々に作る

作りたかったのは、雨のネオン高架で戦う銀髪の女性剣士と、黒髪の二丁拳銃使いの30秒です。参照画像はどちらもGPT Image 2.5 Sunburstで、16:9・1K・xhighの設定から、日本語のプロンプトで作りました。

1枚目は、二人の全身が読めるキャラクター参照

戦闘は始めさせず、二人を同じ画面に立たせるだけ。シアンの直刀を1本、拳銃を左右に1丁ずつ、武器が3つとして数えられるように書きました。体格差、髪の形、配色も分けています。

2枚目は、人物を入れない背景

こちらは逆に、人物、顔、手、人型の影まで「入れない」と指定しました。雨の高架車両基地、分岐するレール、鉄骨、吊りケーブル、青とマゼンタの照明と反射だけの1枚です。

出てきた2枚と、ずれたところ

どちらも、日本語で書いた主要な指定は入っていました。銀髪の女性とシアンの直刀1本、黒髪の男性と拳銃2丁。雨に濡れた車両基地と、分岐するレール、青とマゼンタの反射。

ずれたところもあります。キャラクター参照は人物だけを見せたかったのに、背景の鉄道構造と反射がけっこう主張してくる。背景のほうは、セル画調でと書いたのに、写実寄りのコンセプトアートとして返ってきました。

2枚に分けるねらい自体は残っています。動画へ渡す基準としては使える範囲だったので、このまま次へ進みました。

🎬 日本語のまま、30秒の動画にする

2枚を同じ動画ノードへつなぐ

つなぐ前に、Zumiへもう一度相談しました。Seedance 2.5の「参照から動画」は複数の画像を受け取れて、上限は30枚。キャラクター参照と背景参照を同じ動画ノードへつなぐこと自体は問題ない、という答えです。

ただ、「この画像は人物」「この画像は背景」と指定する専用の欄はありません。つなぐ順番が結果に効くのかどうかも、このときは分かりませんでした。

なので、役割はプロンプトの文章で伝えることにします。「接続された1枚目の画像をキャラクター参照として使う」「2枚目は背景参照として使い、人物は参照しない」。そのうえで、参照同士がぶつかったら、人物の外見と2Dアニメ調は1枚目、環境構造と照明は2枚目を優先する、と書き足しました。

そこまで書いてから、「この2枚を同じ動画ノードへつないで、設定もここまで変えてください」と頼みました。戻ってきたときには、接続も、モデル・尺・解像度・比率・音声設定の変更も済んでいます。

30秒を、6つの区間に割って書く

動画プロンプトは、30秒を6つに割りました。

0〜4秒は雨の分岐線路をはさんだ対峙。4〜9秒で男性が下がりながら二丁を撃ち、女性が刀で射線を弾く。9〜15秒は追走、15〜21秒は鉄骨柱まわりの攻防、21〜26秒で一度だけ交差して、26〜30秒は攻撃を止めて静止する。

音のほうも、BGMや台詞は入れず、雨、足音、発砲、刀で弾く金属音だけを映像の動作へ合わせてほしい、と書いています。設定は「参照から動画」で、30秒・16:9・720p、音声生成はオンにしました。

出てきたもの、届かなかったもの

出てきたのは30.04秒、1280×720、24fpsの1本。二人の配色も、雨に濡れた高架の世界も、左から走る剣士と下がりながら撃つ拳銃使い、という大きな流れも、映像になっていました。

ただ、細かい演出まで全部が狙いどおり、とはいきません。冒頭と終盤には静かな時間が長めに残り、期待していたアクロバットやパルクール、多方向へ動くカメラ、細かなフォーカスの切り替えは控えめでした。

もっとも、その静かな時間を指定したのはこちらです。0〜4秒は「静かに対峙」、26〜30秒は「攻撃を止めて約1秒静止」と、自分で書いている。この1本だけでモデルの限界と決めるつもりはありません。

それでも、参照画像2枚と日本語の長い指示から、30秒つながった映像が1本できあがりました。

🎵 BGMは、あとから重ねる

映像を見てもらって、3案から選ぶ

動画ができたあと、Zumiに映像と音を確認してもらいました。

返ってきた報告では、元の動画には雨音、発砲、足音、水しぶき、刀と拳銃の金属音が入っていて、終盤には呼吸も聞こえる、とのこと。そのうえでBGM案が3つ出てきます。132 BPMのダークなエレクトロニック、144 BPMの現代弦楽、150 BPMのインダストリアル。

おすすめは1つめでした。映像の青とマゼンタ、銃と発光する刀に合わせやすく、すでに入っている音を避けやすいから、という理由です。これを選びました。

音楽のほうは、映像を聴けない

BGMを作るEleven Music v2は、入力が文章と設定値だけです。動画や既存の音声を、参照として渡すことはできません。

映像を見て中身を把握するのはZumi、音楽を作るのは文章だけを受け取ったモデル、という分かれ方になります。実際のBGMプロンプトにも、そのための条件が入っていました。雨音や銃声は元動画にあるからBGM側では作らないこと。効果音が入る時間には、編曲上の隙間を空けること。

5秒はみ出たBGMを、30秒へ収める

設定は30秒だったのに、出てきたBGMは35.04秒。動画より5秒ほど長いです。

そこは終わりを切って、最後の1.5秒ほどでフェードアウトさせる形に。元の動画に入っている雨や銃の音は消さず、BGMを別トラックとして重ねてもらいます。元の動画ノードもBGMノードも残したまま、新しい1本として書き出しました。

合成のとき、動画の終わりをほんの少しはみ出して指定したら、24fpsのコマの切れ目を超えるとしてタイムライン側に弾かれています。Zumiはそこを自分できっかり30.000秒へ直して、同じ設定のまま合成し直しました。

聞こえなかったv1、聞こえたv2

ここでも一度では決まりません。最初のミックスを再生してみたら、BGMが小さすぎて、ほとんど聞こえませんでした。「BGM聞こえないよ？」と、そのまま返しています。

映像も、元の効果音も、BGM素材も、同期もフェードもさわらず、BGMの音量だけを上げたv2を作ってもらいました。

🤝 任せたところと、自分で決めたところ

Zumiに任せたのは、相談相手と、Canvasの接続や設定、BGMの案出し、そして音量の編集でした。

自分で決めたのは、何を作るか、どの参照画像を渡すか、この1本を採用するか、そして聞こえているかどうかです。

相談して、任せて、実際に見て聞いて、ひと言返す。その往復を同じ画面の上で続けられたのが、今回いちばん面白かったところでした。

🌱 こんな人に合いそう

画像と動画を行き来しながら作る人、素材と結果の関係を一画面で見返したい人、設定をAIに相談しながら決めたい人とは、相性がよさそうです。

モデルや設定で結果は変わるので、残したい人物・背景・動作を一つずつ確かめながら進めるくらいが、ちょうどよさそうです。

あとがき

ここまで読んでくださり、ありがとうございます。

今回初めてAZ8を触ったのですが、まずUIに興奮しました。
視覚的にも楽しめる、しかもAIがそれを操作してくれる。めちゃくちゃ楽しかったです！

そしてなにより編集まで全てできてしまうのがすごい！

AZ8の魅力が少しでも伝わっていると嬉しいです！

「フォロー」や「スキ」をしていただけると励みになります！
今後ともよろしくお願いいたします！